无意2121
研究方向1:自动驾驶决策规划与控制
研究方向2:无人系统群体智能
展开
-
深度学习(波士顿房价预测)
本程序采用百度paddlepaddle深度学习框架目录1实验背景2 实验过程2.1 数据处理2.1.1数据集导入并按规定形状保存2.1.2数据集的划分(分为训练集和测试集)2.1.3 数据归一化处理2.1.4 数据集乱序分成批次(每次读入一个批次)2.1.5 封装 load_data 函数2.2 神经网络的设计2.2.1神经网络的结构2.2.2 神经网络的初始化2.2.3 神经网络的前向计算和反向传播2.2.4 优化算法3 测试结果4 完整原创 2022-03-31 00:28:31 · 22929 阅读 · 12 评论 -
深度学习(手写数字识别)
目录1 实验内容2 实验流程3 DNN模型4 LeNet 模型4.1LeNet-1模型4.2 Lenet-4 模型4.3 LeNet-5 模型4.4 LeNet 模型的总结4.5 LeNet 模型与DNN模型比较5 模型的应用5.1 自己的手写数字图片5.2将手写的图片进行预处理5.3调用训练好的模型进行预测5.4 总结1 实验内容本次实验采用构造 DNN 模型与 LeNet 模型进行手写数字识别实验,采用经典手写数字识别数据集 MINI.原创 2022-03-31 17:38:59 · 11920 阅读 · 0 评论 -
深度学习(VGG模型)
#定义CNN网络import paddleimport paddle.nn.functional as Fclass MyCNN(paddle.nn.Layer): def __init__(self): super(MyCNN,self).__init__() self.conv1 = Conv2D(in_channels=3, out_channels=20, kernel_size=5,stride=1) self.po.原创 2022-04-02 00:36:27 · 5844 阅读 · 5 评论 -
深度学习(GoogLeNet)
1 GoogLeNet的介绍1.1 GoogLeNet的简介GoogLeNet模型是由谷歌(Google)团队开发出来的卷积神经网络,它是2014年ImageNet挑战赛的冠军模型。相比于AlexNet模型,GoogLeNet模型的网络结构更深,共包括87层。尽管模型结构变得更复杂,但参数量更少了。GoogLeNet模型的参数量为5941552个,仅为AlexNet模型参数量的1/10。这主要归功于GoogLeNet创新性地采用了Inception模块。感兴趣的读者可以阅读原始顶会顶刊http://原创 2022-04-07 20:29:25 · 5438 阅读 · 0 评论 -
深度学习(激活函数)
目录1 神经元的一般模型2 激活函数的特点3 常见激活函数3.1 sigmoid及其改进型3.1.1sigmoid介绍3.1.2 sigmoid的导数介绍3.1.3 Mesh3.1.4 swish3.2 relu及其改进型3.2.1relu 介绍3.2.2 relu的导数介绍3.2.3 Leaky relu3.2.4 Prelu3.2.5 ELU4 软饱和硬饱和5 激活函数的选择1 神经元的一般模型一个基本的架构就是多个...原创 2022-04-02 13:58:00 · 3076 阅读 · 0 评论 -
深度学习(paddle2.0 API)
本程序采用百度paddlepaddle深度学习框架,并在百度 AI Studio 平台上运行本文参考百度 AI Studio官方API文档,详情参考官方文档本文参考『跟着雨哥学AI』系列开篇:初识飞桨框架高层API - 飞桨AI Studio - 人工智能学习实训社区 (baidu.com)目录1 高层API的主要模块2 数据加载2.1 内置数据集2.2 数据预处理2.3 数据批加载3模型组建3.1 序列组网3.2 Subclass 组网3.3 内置模型4原创 2022-04-02 16:33:01 · 4494 阅读 · 0 评论